武汉大学（王波）：2024年边缘智能赋能电力生产安全数字化报告-26页_2mb

边缘智能赋能电力生产安全数字化总结

核心内容

本报告探讨了边缘智能技术在电力生产安全数字化防控中的应用，旨在通过智能化手段提升电力系统本质安全水平，降低作业事故率，保障现场工作人员生命安全。报告分析了电力生产安全的风险特征，并提出了基于边缘智能的生产安全风险识别与防控技术体系，包括轻量化网络、模型通道剪枝、模型量化压缩和硬件加速等关键技术，同时介绍了三种新型边缘智能前端设备：单目防护装置、双目防护装置和激光雷达防护装置。

主要观点

• 电力安全风险特征：电力生产安全风险具有动态性、场景依存性、复杂多样性、距离强相关性和瞬时性等特点，需通过智能化手段进行实时识别与防控。
• 国家政策支持：国家高度重视电力安全生产，出台多项政策推动电力系统本质安全建设，如《电力安全生产行动计划（2018-2020年）》和《全国安全生产专项整治三年行动计划》。
• 数字化安全防控需求：随着电力系统规模扩大，传统人工监管方式难以满足高风险、高数据量的生产安全需求，亟需引入边缘智能技术进行实时风险识别和防控。
• 边缘智能技术优势：通过在边缘端部署智能算法，可实现低延迟、高精度的风险识别与告警，减少对云端的依赖，提高现场响应速度和效率。

关键信息

1. 电力安全事故现状

• 2017-2022年共发生278起电力事故，平均死亡人数为1.554人。
• 电力安全事故具有高频率、高危害性，对国家和社会造成严重影响。
• 事故案例包括未戴绝缘手套验电、作业人员与带电体过近、跨越围栏等违章行为。

2. 关键技术分析

(1) 网络轻量化替代

• 采用深度可分离卷积操作，可将计算量减少8至9倍。
• 提出基于轻量化卷积神经网络的特征提取方法，适用于边缘端部署。

(2) 模型通道剪枝

• 基于判别力驱动的模型通道剪枝方法，优化模型结构，提高识别精度。
• 重构误差和判别力损失函数用于模型剪枝评估。

(3) 模型量化压缩

• 采用动态定点混合量化方法，减少模型存储空间，提高推理速度。
• 量化后模型在边缘端运行良好，保持较高识别精度。

(4) 硬件加速

• 提出基于多计算卡协同计算的硬件加速方法，解决NPU资源抢占问题。
• 通过分段协同计算提高模型推理效率，适用于复杂作业场景。

前端智能装备

(1) 单目防护装置

• 适用于10kV~110kV变电站及近电作业场景。
• 能识别人员着装风险、安全标识牌、动态违章动作等。
• 识别准确率和召回率均较高，尤其在吸烟和未佩戴安全帽等违规操作识别上表现优异。

(2) 双目防护装置

• 适用于110kV~220kV变电站及GIS/HGIS近电作业场景。
• 采用双目立体匹配和场景元素识别技术，实现安全距离检测和防碰撞告警。
• 距离测量精度达分米级，适用于大型施工机械作业场景。

(3) 激光雷达防护装置

• 距离测量范围：50~200米。
• 适用于330kV及以上电压等级的电力作业场景。
• 测量误差小于1%，具备高精度、高可靠性。

技术突破与成果

• 提出面向生产安全风险辨识的前端智能加速策略，显著提升模型在边缘端的运行效率。
• 在多个轻量化模型中表现突出，识别精度和处理速度优于其他模型。
• 实际应用效果良好，已在多个变电站和作业现场部署，验证了技术的可行性与实用性。

未来展望

1. 构建大安全分析格局：电力安全问题涉及多方面诱因，需建立系统化、全局化的风险分析框架。
2. 发展跨模态感知手段：融合多种数据源和特征，提升对电力安全风险的综合研判能力。
3. 推动人机混合增强智能：智能系统将作为风险管控的辅助工具，与人类协同工作，提高安全决策的准确性和可靠性。

结论

边缘智能技术在电力生产安全防控中具有重要应用价值，能够有效识别和预警多种违章行为与安全风险，提高作业安全性。随着技术的不断成熟，边缘智能将在电力系统安全防控中发挥更大作用，为构建安全高效的新型电力系统提供有力支撑。